[发明专利]一种商品购买预测建模方法

摘要

本发明公开了一种商品购买预测建模方法。该方法包括用购买记录标记训练样本，预测购买与否；滑动窗口商品购买样本构造；基于时间偏好的商品购买特征设计；梯度提升决策树算法训练预测；构造好样本与特征之后，要进行特征处理与选取的工作，再输入到梯度提升决策树算法中进行训练预测；特征选取的指标包括特征值分布与相关性、特征信息增益大小、特征调用频率、特征敲除的影响等。综合这些指标对特征重要性进行排序，剔除重要度低的冗余特征。本发明提出滑动窗口样本构造方法和基于时间偏好的特征体系，有效提升商品购买预测模型的准确性，用于解决大数据背景下商品个性化推荐问题，为用户在合适的时间、合适的地点精准推荐合适的商品。

主权项

一种商品购买预测建模方法，其特征体在于包括如下步骤：1)用购买记录标记训练样本，预测购买与否，结果为1代表购买，为0则代表不购买；2)滑动窗口商品购买样本构造；3)基于时间偏好的商品购买特征设计；遵循时间偏好规则：近期频繁做某件事情，就越有可能在下次继续；通过User‐Item特征、User特征、Item特征、Category特征、User‐Category特征和Cross特征6大类特征描述用户对商品的购买行为；在6大类特征的基础上，从8个维度进行特征的提取；所述8个维度分别是计数、比值、Flag、排序、时间间隔、时间层级、规则和地理位置；4)梯度提升决策树算法训练预测；构造好样本与特征之后，要进行特征处理与选取的工作，再输入到梯度提升决策树算法中进行训练预测；特征选取的指标包括特征值分布与相关性、特征信息增益大小、特征调用频率、特征敲除的影响；综合这些指标对特征重要性进行排序，剔除重要度低的冗余特征。